Bootstrapping an Econometric Model: Some Empirical Results
计量经济模型的 Bootstrap：若干经验结果AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以多种生产要素需求模型为对象，并采用三阶段最小二乘估计，最接近结构估计方向；具体结构限制未说明。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
计量经济模型的 Bootstrap：若干经验结果
- 研究问题
- 在多种生产要素需求模型中，bootstrap 如何评估系数、标准误和预测表现？研究关注常规预测标准误能否充分反映预测误差。
- 方法与思路
- 作者根据误差分布的非参数估计进行蒙特卡洛模拟，将 bootstrap 应用于以三阶段最小二乘拟合的资本、劳动、能源和材料需求模型。
- 材料陈述的贡献
- 摘要称，系数估计与标准误表现良好，但模型预测存在严重偏差和较大随机误差，且常规预测标准误明显低估这些误差。
- 阅读关注点
- 阅读时应核对误差分布估计与重抽样机制、三阶段最小二乘的模型设定，以及系数表现和预测误差所用的评价指标与比较基准。
- 阅读边界
- 摘要未说明样本、方程限制、重抽样细节或量化评价结果；所述估计表现与预测问题针对该应用，无法直接推及其他模型。
原文摘要
The bootstrap, like the jackknife, is a technique for estimating standard errors. The idea is to use Monte Carlo simulation, based on a nonparametric estimate of the underlying error distribution. The bootstrap will be applied to an econometric model describing the demand for capital, labor, energy, and materials. The model is fitted by three-stage least squares. In sharp contrast with previous results, the coefficient estimates and the estimated standard errors perform very well. However, the model's forecasts show serious bias and large random errors, significantly understated by the conventional standard error of forecast.